一种改进的基于Douglas—Peucker原理的轮廓采样算法

文章首先介绍了Douglas-Peucker算法,它是一种经典的曲线简化方法,在此基础上提出了DP算法的一种非递归实现方法．该过程主要是利用队和栈的性质来实现的。结果显示,用这种方法进行目标物体的轮廓采样。通过控制距离容差可以得到对轮廓线不同程度的逼近,不仅能够有效减少物体轮廓的冗余点,提高处理效率,又能够不失真地表征物体的形状。     

一种改进的基于DP原理的分段轮廓采样算法

首先详细介绍了由Douglas和Peucker提出的DP轮廓采样算法。然后采用分割与合并相结合的思想,提出了基于DP算法的分段轮廓采样算法,并从数学上证明了该算法在运行时间上比原DP算法快了η倍,η取值为logn/MnηM。最后,针对医学图像,文章通过实验比较了两种算法的运行时间,结果表明该文提出的算法更快速,也易于编程。     

时空数据压缩的基于Douglas-Peucker算法的改进与实现

针对传统Douglas-Pecuker算法中以点到基线的垂直距离为化简指标的不足,出现的导致某些具有代表性的节点被删除的情况,在分段道格拉斯算法基础上提出了几点改进,采取优化的提取特征点的方式代替单纯的角度限制方式来实现分段Douglas-Pecuker算法。即在传统Douglas-Pecuker算法的基础上以基于提取特殊点的方式保留具有反应曲线走向的点,然后用非递归方法实现分段压缩。然后进行了曲线化简实验和方法的比较,验证了改进算法在保持线要素形态特征上的合理性。     

一种改进的非下采样轮廓波变换图像去噪算法

优化图像去噪问题,在非下采样轮廓波变换图像去噪中,收缩阈值的确定仅依赖变换子带系数的幅值,使得过多图像系数和噪声系数一并去除,导致滤波图像模糊。从检测变换子带几何结构出发,引入自蛇模型对子带系数作几何结构检测并抑制噪声后,估计双阈值将子带系数划分为三类并作不同处理,实现对噪声系数的去除和对图像系数的保护。实验结果表明,相对现有典型算法,改进算法获得的峰值信噪比提高了0.1-0.9dB,图像系数被更好识别和保留,滤波图像中边缘与区域细节损失减少,提高去噪效果,保留图像的有效信息。     

Douglas-Peucker算法在无拓扑矢量数据压缩中的新改进

分析常规Douglas-Peucker算法压缩无拓扑矢量数据时产生公共边＂裂缝＂现象的原因——公共边被两次或可能更多次压缩,而每次运用Douglas-Peucker算法压缩时所选择的初始点和终点不同造成的。为此,提出公共边对象化Douglas-Peucker改进算法。为实现此算法,首先设计了新的公共边提取算法来提取公共边,然后使用OOP技术,把公共边的相关信息封装成类,最后根据公共边对象提供的信息对多边形的公共边和非公共边分别进行Douglas-Peucker压缩。以广东省行政界线的SVG矢量图为实验对象验证了此算法的有效性,分析了本算法相对于其它Douglas-Peucker改进算法在所需辅助空间和时间效率上的优势。     

Douglas-Peucker算法在无拓扑矢量数据压缩中的改进

分析了常规Douglas-Peucker算法压缩无拓扑矢量数据时产生公共边"裂缝"现象的原因,即公共边被两次或可能更多次压缩,而每次运用Douglas-Peucker算法压缩时所选择的初始点和终点不同造成的。为此,提出了公共边对象化Douglas-Peucker改进算法。为实现此算法,首先设计了新的公共边提取算法来提取公共边,然后使用OOP技术,把公共边的相关信息封装成类,最后根据公共边对象提供的信息对多边形的公共边和非公共边分别进行Douglas-Peucker压缩。以广东省行政界线的SVG矢量图为实验对象验证了该算法的有效性,分析了该算法相对于其他Douglas-Peucker改进算法在所需辅助空间和时间效率上的优势。     

离散采样图象的一种快速重建算法

该文讨论了采样图象的一般模型,提出了离散图象的采样准则,给出了一种迭代算法。该算法是对传统CG算法的改进。仿真结果表明,该算法是有效的,且其收敛速度快于CG。     

非下采样轮廓波变换快速算法

多尺度几何分析（MGA）是一种有效的图像处理方法. 作为MGA的一种离散实现方法,非下采样轮廓波变换（NSCT）被广泛应用于图像去噪、图像融合、图像增强、特征提取等领域. 然而,由于该变换的高冗余性,其计算效率受到一定限制. 因此,对NSCT快速算法的研究具有现实意义. 本文采用一种优化的方向滤波器改进了原NSCT变换,以损失部分重建图像质量为代价,获得算法处理速度的显著提高. 实验结果可见,在满足重建图像主观质量视觉要求的前提下,算法速度可比原变换提高若干倍. 图像去噪实验进一步验证了算法的可靠性及效率.     

一种改进重采样的粒子滤波算法

针对粒子滤波重采样过程中存在的粒子多样性丧失问题,提出一种改进重采样的粒子滤波算法。按照局部重采样算法对粒子进行分类,中等权值的粒子保持不变,大、小两种权值的粒子采用Thompson-Taylor算法进行随机线性组合产生新粒子。实验结果表明,该算法能在降低计算复杂度的同时不丧失粒子多样性,提高了滤波性能。     

基于采样点正交变换的改进CKF算法

针对传统CKF算法在解决高维问题时因非局部采样造成的滤波性能下降问题,基于设计的正交矩阵提出了一种改进的CKF算法。采用多元Taylor级数展开,揭示了CKF虽能解决UKF的数值不稳定性问题,但同时也引入了非局部采样问题这一事实;进一步设计出一种正交变换矩阵,用于对CKF算法中的采样点进行变换,并从理论上证明了提出的改进CKF算法相对于CKF在高维、强非线性等非局部采样问题突出的应用场合具有更高的估计精度。仿真结果验证了算法的有效性。     

等值线图的彩色填充方法

文中提出了一种实现等值线彩色填充的新方法,该方法不需要进行等值线的追踪,只需要经过网格化的数据,并且填充算法的计算量不随着绘图区域的扩大而增长,程序实现比较容易,数值计算量小。文中给出了具体的算法,同时也展示了利用该算法得到的图形的实例。     

一种基于分组抽样的TRW改进算法

端口扫描是最常见的网络异常流量,TRW是端口扫描检测中最有代表性的算法之一。在高速网络环境下,网络测量通常采用分组抽样技术。已有的研究表明,分组抽样对原始流的流大小分布有细化和扭曲的作用,使得TRW检测算法随着抽样率的增加,成功检测率和误检率呈现出先增加后减少的趋势。本文提出了一种TRW的改进算法,原理是利用抽样后样本流中包含的TCP协议信息改善分组抽样下的流大小分布估计,从而提高TRW检测算法的有效性。实验证明,新算法与原算法相比,在成功检测率差不多的情况下,误检率明显降低了。     

基于广义遗传算法的自适应重要抽样理论

1 引言随着计算技术和软件工具的迅猛发展,具有良好普适性的数值模拟方法在许多领域开始受到了广泛的重视。由于Harbitz,Melchers,Wu和本文作者的一系列工作,基于重要抽样理论的非线性系统可靠性分析技术取得了很大的进展。尽管如此,基于重要抽样理论的非线性系统可靠性分析技术中一些带有根本性的理论问题并没有彻底解决。突出表现是,对于广义多设计点问题、寻找所有设计点的求解算法不仅没有提出,甚至没有提出过合理的求解思路。造成这一局面的原因是,多设计点问题的求解需以非连通域非线性系统全局优化问题的解决为前提,而后一问题在     

一种改进的快速轮廓线提取算法

文章针对传统主动轮廓模型对噪声敏感,初始位置敏感和收敛速度慢等不足,提出了一种基于PSO和GVF的快速轮廓线提取算法。首先利用PSO对轮廓控制点进行寻优,使之快速地收敛到图像的边缘附近;然后利用插值算法,得到目标图像的较粗糙轮廓,以此目标轮廓作为下一步GVF收敛的初始位置,最后得到准确的轮廓线。实验结果表明该算法不仅能对图像轮廓线进行准确的提取,而且具有一定的抗噪性能,易于实现,速度快等特点。     

随机抽样改进算法及其实现

文章对几种随机抽样算法进行了分析,在随机抽取交换法的基础上,针对其存在的缺点,提出了一种改进的随机抽样算法,并给出了算法实现.结果表明该算法简单可行.     

基于遗传算法的主动轮廓模型

由 Kass等人提出的主动轮廓模型 ,本质上是一条能量最小化的轮廓曲线 .它作为一种全新的采用自上而下机制的图象目标提取方法 ,由于它有效地利用了高级信息 ,从而提高了目标提取的速度和准确性 ,已经在数字图象处理和计算机视觉领域得到了广泛的应用 .原始的主动轮廓模型算法可以分为构造能量函数、推导欧拉方程、离散化和迭代求解 4步 .但该算法存在许多问题 ,为此在分析原始主动轮廓模型算法和一些改进算法的基础上 ,提出了一种基于遗传算法的主动轮廓模型算法 ,并给出实验结果 .实验结果证明 ,基于遗传算法的主动轮廓模型不仅成功地解决了原方法收敛易陷入局部最小值的问题 ,也提高了目标提取的成功率 .     

一种可调整步长的适应性图像目标轮廓采样方法

为了更有效地获得三维医学图像，提出了一种可调整步长的适应性图像目标轮廓采样方法。直接获取自临床的层阃间距相对较大的医学图像数据，首先经由图像预处理和图像目标轮廓插值等前期数据预处理操作，然后采用本文提出的一种可调整步长的适应性图像目标轮廓采样方法对图像目标轮廓线上的点进行适应性采样，最后给出了图像目标的三雏表面显示效果图。实验结果证实了方法的可靠性和有效性。该采样方法既保持了图像目标轮廓的尖锐特征和拓扑结构，又较好地实现了数据压缩。     

基于改进的活动轮廓图像分割

图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。针对传统的活动轮廓模型在分割过程中具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点，提出了一种改进的活动轮廓图像分割技术．在传统的活动轮廓中，外部能量通常由目标点的梯度势能场给出，然而梯度势能场存在着一些难以克服的缺点，即不能够很好地指导曲线的移动。把梯度向量流场（GVF）作为外部能量场，有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点，并通过实验证明了该方法的有效性。